python - 在 Python 中使用 Gekko 运行时间序列线性优化

Question

我正在尝试在 Gekko 中运行电力套利模型。我有一个一年中每小时的电价数组(总共 8760 小时)，一个能量大小为 E 的电池，并且每个小时我想根据最小化电费来决定是给电池充电还是放电，以及跟踪电池中的能量，限制为不低于 0 能量且不超过 E。

我试了很多次，最近一次得到优化方程超出限制的错误

from gekko import Gekko

m = Gekko()

#variables
E_battery = m.Var(lb=0, ub=366.2, value=0) #energy in battery at time t, battery size 366 MWh
Pc = m.Var(lb=0, ub=50) #charge power, 50 MW max
Pd = m.Var(lb=0, ub=36.6)  #discharge power, max 36 MW
E_price = m.Param(electricity_price[:,1])
m.time = np.linspace(0,8759, 8760)

m.Equation(E_battery.dt() == (1-delta)*E_battery + roundtrip_eff*(Pc - Pd))

m.Obj(sum(E_price[i]*Pc for i in range(8760)))
m.options.IMODE = 7
m.solve()

Answer 1

如果您在整个时间范围内进行优化，那么您需要切换到 IMODE=6 .您可能遇到以下问题:

m.Obj(sum(E_price[i]*Pc for i in range(8760)))

因为它创造了一个很长的客观表达。对于 IMODE=6 的动态优化问题您可以改用以下内容:

m.Obj(E_price*Pc)

Gekko 会自动计算该表达式中所有时间点的总和。该脚本不是一个完整的示例，因此很难验证什么不起作用。如果您可以发布一个显示问题的最小且完整的示例，那么提供有用的反馈会更容易。 machine learning and dynamic optimization course 中还有其他示例，尤其是 economic optimization或一些 other benchmark problems .

求和

您可以对变量求和，例如 E_battery类似于以下内容:

from gekko import GEKKO
import numpy as np
import matplotlib.pyplot as plt  
m = GEKKO(remote=False)
m.time = [0,1,2,3,4,5]
x = m.Param(value=m.time)
E_battery = m.Var()
m.Equation(E_battery.dt()==x)
m.options.IMODE = 4
m.solve(disp=False)
print('x = ' + str(x.value))
print('E_battery = ' + str(E_battery.value))

这产生了解决方案:

x = [0.0, 1.0, 2.0, 3.0, 4.0, 5.0]
E_battery = [0.0, 1.0, 3.0, 6.0, 10.0, 15.0]